上期文章我们完成了基础智能体的搭建，讲解了大模型接口调用、上下文记忆管理等核心实现，同时也指出了纯对话式 Agent 的天然短板：仅依托大模型静态知识库，无法获取实时数据、不具备外部能力拓展。
本期将以实时天气查询、本地代码检测与修复两大个性化功能为例，讲解 Agent 工具增强的开发思路，通过接入第三方 API、本地文件读写等方式，弥补基础智能体的能力局限，实现自定义功能拓展，完成进阶版智能体开发。
一、实时天气查询
既然原生大模型智能体本身不具备联网能力，就必须借助第三方开放服务作为外部数据源。通过对接第三方官方接口，即可让本地智能体跨网络调取真实、最新的外部数据，此处我们以调用高德地图 api 为例。
1.密钥获取
进入高德开放平台 | 高德地图API，完成注册与实名认证后，点击控制台。
在应用管理处添加新应用后点击"添加Key"，服务平台选择**"Web服务"** ，完成 Key 的添加。将其复制在程序中保存为静态变量 AMAP_KEY，它是调用高德地图天气等第三方服务的唯一授权凭证。
2.getWeather 方法
申请到 Key 后，我们就可以编写真正获取实时天气的功能方法 getWeather。该方法实现了智能体对接外部服务，遵循拼接请求地址 、 发送网络请求 、解析 JSON 数据 、安全处理与结果封装的流程。与调用大模型接口类似，该方法的模板较为固定，可以直接套用。
java
//高德地图天气查询
//city 获取目标城市的数据
public static String getWeather(String city) throws Exception {
// 1. 拼接请求地址：传入城市和密钥，构造完整接口URL
String url = "https://restapi.amap.com/v3/weatherInfo?city=%s&key=%s".formatted(city, AMAP_KEY);
// 2. 构建GET请求对象
HttpRequest request = HttpRequest.newBuilder()
.uri(URI.create(url))
.GET()
.build();
// 3. 发送请求并获取响应
HttpResponse<String> resp = httpClient.send(request, HttpResponse.BodyHandlers.ofString());
// 4. 解析返回的JSON数据
JsonNode root = mapper.readTree(resp.body());
// 5. 安全校验与数据提取
JsonNode lives = root.path("lives");
if (lives.isEmpty()) {
return "获取天气失败：" + root.path("info").asText();
}
JsonNode live = lives.get(0);
// 6. 封装返回
return "日期：%s\n城市：%s，天气：%s，温度：%s℃，风向：%s，湿度：%s"
.formatted(
live.path("reporttime").asText(),
city,
live.path("weather").asText(),
live.path("temperature").asText(),
live.path("winddirection").asText(),
live.path("humidity").asText()
);
}3.智能体功能对接
可以看到，getWeather() 方法需要字符串类的实参 city。当我们询问天气时，智能体应该先提取出城市名字，再根据getWeather() 方法返回的 "日期：%s\n城市：%s，天气：%s，温度：%s℃，风向：%s，湿度：%s"语句做出相应回答。可见智能体可能需要多轮交互才能呈现用户想要的最终结果。因此，我们需对原代码略作调整，将程序与智能体收发消息的过程单独封装成 send() 方法。
java
public static String send(String prompt) throws Exception {
stringBu.append(prompt);
Map<String, Object> body = new HashMap<>();
body.put("model", "deepseek-chat");
body.put("messages", new Object[]{Map.of("role", "user",
"content", stringBu.toString())});
body.put("temperature", 0.1); // 0 ~ 2 数字越小回答越严谨，越简单
//用 ObjectMapper 把Map 转成json格式的字符串
String json = mapper.writeValueAsString(body);
//创建Http 请求对象
HttpRequest request = HttpRequest.newBuilder()
.uri(URI.create(URL))
.header("Authorization", "Bearer " + API_KEY)
.header("Content-Type", "application/json")
.POST(HttpRequest.BodyPublishers.ofString(json))
.build();
//用HttpClient 发送请求对象，并且得到响应对象
HttpResponse<String> resp = httpClient.send(request,
HttpResponse.BodyHandlers.ofString());
//把响应数据JSON转成java 对象
JsonNode root = mapper.readTree(resp.body());
String str =
root.path("choices").get(0).path("message").path("content").asText();
stringBu.append(str);
return str;
}这在上期文章已讲解，此处不再赘述。
原本的 chat() 方法则需要添加额外规则，让智能体能够"识别用户意图"和"调度外部工具"。
java
public static String agentChat(String prompt) throws Exception{
String input = """
用户问题:%s
规制：
1.如果在查询天气信息 输出格式-> 天气：城市
2.如果不是问天气信息，就正常回答
回答问题简洁明了，不要捏造数据
""".formatted(prompt);
String resp = send(input);
//根据响应消息调用对应的工具
if(resp.startsWith("天气：")){
String[] strArr = resp.split("：");
String weather = getWeather(strArr[1]);
String finalPrompt = "城市：%s 天气情况%s,用简洁的话帮我整理一下，带一句小提示，开头不要加天气：城市".formatted(strArr[1],weather);
return send(finalPrompt);
}
return resp;
}我们通过提示词规制约束大模型，让它看到天气问题时，必须输出固定格式"天气：城市"。程序通过识别这个特定指令，就能判断用户意图。当检测到返回结果以"天气：" 开头时，程序自动截取城市名，调用我们之前写好的 getWeather() 方法获取实时数据，再将真实天气数据发给大模型，让其整理成温暖、简洁的自然语言回答。
需要注意，大模型对提示词的要求较为严格，错别字或其它细微差异都可能导致其输出不符要求，遇到类似问题时可以尝试重新设计提示词。
4.结果演示
可以看到，智能体可以查询不同城市的实时天气信息了，并且就算问题中没有出现"天气"二字，智能体还是能通过上下文记忆推断出我们在询问天气。
二、本地代码检测与修复
除了实时天气查询这类获取外部数据的功能，我们还能为智能体添加本地文件操作类的实用能力。此处以修改桌面代码文件为例。
1.意图理解和功能选择
要在原基础上增添新功能，其实就是修改规则提示词并增加功能分支。
我们只需要在 chat 方法的提示词中，新增一条代码检查的识别规则，让 AI 在识别到检查、修改、桌面文件等相关指令时，按照固定格式"代码检查：文件名"输出，方便程序精准捕捉意图、自动触发对应功能。
同时在方法中增加代码检查分支判断，与天气查询功能保持一致的实现逻辑，让智能体可以同时支持天气查询、代码检测两大扩展功能。
java
public static String chat(String prompt) throws Exception {
String input = """
用户问题:%s
规制：
1.如果在查询天气信息 输出格式-> 天气：城市
2.如果不是问天气信息，就正常回答
3.要[检查/修改/桌面文件] 输出格式-> 代码检查：文件名.后缀
回答简洁明了,不要捏造数据
""".formatted(prompt);
String resp = send(input).trim();
//根据响应消息调用对应的工具
if (resp.startsWith("天气：")) {
String[] strArr = resp.split("：");
String weather = getWeather(strArr[1]);
String finalPrompt = "城市：%s 天气情况%s,用简洁的话帮我整理一下，带一句小提示，开头不要加天气：城市".formatted(strArr[1], weather);
return send(finalPrompt);
}
//判断是否需要修改代码文件
if (resp.startsWith("代码检查：")) {
String[] strArr = resp.split("：");
String filePath = "C:\\Users\\Administrator\\Desktop\\" + strArr[1];
//System.out.println("fileName：" + filePath);
codeCheck(filePath);
}
return resp;
}2.检查与纠错
上文代码中调用的 codeCheck() 方法即是检查与纠错功能的实现，它不需要第三方工具的数据，只用本地文件的读写。我们只需要得到文件路径，读取桌面指定代码文件的全部内容，再结合定制提示词交给大模型完成代码检测。如果有错误，我们还可通过控制台交互来选择是否执行修复操作，最终将优化后的代码重新写入本地文件，以此实现纯本地环境下的代码检查与自动纠错。
java
//检查代码文件
public static void codeCheck(String filePath) throws Exception {
File file = new File(filePath);
//读取文件数据
BufferedReader br = new BufferedReader(new FileReader(file));
StringBuilder codeData = new StringBuilder();
String line = "";
while ((line = br.readLine()) != null) {
codeData.append(line);
}
System.out.println("code:" + codeData.toString());
//发给AI 检查
String codePrompt = """
你是专业编程机器，检查代码中是否存在以下问题
1.代码格式错误
2.代码语法错误
3.代码逻辑错误
源代码：%s
如果代码没有错误，就直接提示代码没有明显错误。
""".formatted(codeData);
String codeResp = send(codePrompt);
//System.out.println("AI：\n"+ codeResp);
//提示：是否让AI 修改代码
System.out.println("是否需要AI修改代码：(y/n)");
Scanner scanner = new Scanner(System.in);
String str = scanner.nextLine();
if ("y".equalsIgnoreCase(str)) {
String fixPrompt = """
帮我修改代码中的错误，只输出代码内容，不要其它信息
不要带上```java ``` 这个内容
源代码：%s
""".formatted(codeData);
String fixCode = send(fixPrompt);
//把修复的代码写入文件
FileOutputStream fos = new FileOutputStream(file);
fos.write(fixCode.getBytes());
fos.flush();
System.out.println("修改完成！");
}
}3.效果演示
我们先在桌面新建一个代码文件用于演示。
让智能体检查并纠错：
原文件被修改成正确版本：
三、总结与反思
由此我们拓宽了个人智能体的开发思路，完成了实时天气查询和本地代码检测与修复两大个性化功能添加，然而它们还有不少局限性，例如天气查询不能同时查找多个城市，无法查看往后天气；代码检修目前只能应用与桌面等。这些功能还能得到进一步优化。
同时，由于目前功能较少，我们可以通过叠加提示词和增添功能分支来完善智能体，但若往后智能体要拓展更多功能，这样的方式免不了造成代码冗余、维护困难等问题。这些潜在问题需要我们在后续的开发中一步步解决。